Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

DMSC: Dynamic Multi-Scale Coordination Framework for Time Series Forecasting

Created by
  • Haebom

저자

Haonan Yang, Jianchao Tang, Zhuo Li, Long Lan

개요

본 논문은 복잡한 시계열 종속성 모델링의 어려움을 해결하기 위해 제안된 동적 다중 스케일 조정 프레임워크(DMSC)에 대해 설명합니다. DMSC는 Multi-Scale Patch Decomposition block(EMPD), Triad Interaction Block(TIB), Adaptive Scale Routing MoE block(ASR-MoE)을 포함하여 정적 분해 전략, 단편적인 종속성 모델링, 유연하지 못한 융합 메커니즘 문제를 해결합니다. EMPD는 입력 적응형 패치 조정을 통해 계층적 패치로 시퀀스를 동적으로 분할하고, TIB는 각 레이어에서 패치 내, 패치 간, 변수 간 종속성을 공동으로 모델링하며, ASR-MoE는 시간 인식 가중치를 사용하여 다중 스케일 예측을 동적으로 융합합니다. 13개의 실제 벤치마크에 대한 실험에서 DMSC는 최고 성능과 계산 효율성을 입증했습니다.

시사점, 한계점

시사점:
동적 패치 분할을 통한 입력 적응형 스케일 처리
패치 내/간 및 변수 간 종속성을 통합하는 상호 작용 블록
시간 인식 가중치를 사용한 동적 다중 스케일 예측 융합
13개의 실제 데이터셋에서 SOTA 성능 달성
한계점:
구체적인 한계점은 논문에 명시되지 않음
👍